summary-generator

摘要生成器

概述

这项技能通过苏格拉底式提问，提取核心学习要点，为教学课程生成简洁、便于快速浏览的摘要。摘要满足两类需求：快速复习（学生重新回顾以巩固理解）和即时参考（学生在练习过程中查阅）。

提取流程（苏格拉底式）

生成摘要时，按顺序回答以下问题。每个问题提取摘要中一个部分的内容。

问题 1：核心概念

“如果学生明天只记得本课程的一件事，那必须是什么？”

用 1-2 句话提炼最重要的要点。这应是能帮助理解其他所有内容的基础洞见。

检验：只读过这句话的人，能否向同伴解释本课程的目的？

问题 2：关键思维模型

“本课程会在学生脑海中建立哪些思维框架？他们现在会通过哪些‘视角’来看待问题？”

提炼 2-3 个思维模型——这些是可复用的思维模式，而非事实。留意以下内容：

• 因果关系
• 决策框架（“遇到 X，就做 Y”）
• 概念隐喻或类比

检验：这些内容能否迁移到新情境中，还是仅限于本课程的事实？

问题 3：关键模式

“本课程教授了哪些实用技巧或模式？学生现在能做哪些以前做不到的事？”

从课程中提炼 2-4 个可执行的模式。它们可以来自：

• 代码示例及其用途
• AI 协作技巧
• 介绍的工具或命令
• 展示的工作流

检验：学生不重新阅读课程，能否运用这些模式？

问题 4：AI 协作要点

“AI 如何帮助处理这个主题？哪些提示词或协作模式能带来关键区别？”

提炼 1-2 条关于如何与 AI 围绕该主题协作的见解。不要透露 Three Roles 框架，重点应放在实用的协作模式上。

注意：如果课程不涉及 AI 协作（Layer 1 内容），则跳过此部分。

问题 5：常见错误

“学生通常会在哪些地方出错？本课程纠正了哪些误解？”

从以下内容中提炼 2-3 个常见错误：

• 明确标注的“常见错误”部分
• 课程中的错误示例
• 与假设相矛盾、违反直觉的要点

检验：了解这些错误能否避免实际失误？

问题 6：关联内容

“本课程建立在什么先备知识之上？接下来会引向哪里？”

提取导航链接：

• 基于：课程假定学生已掌握的先前概念
• 引向：本课程为后续课程提供的基础

注意：此部分可选。如果关联不明确或没有帮助，则跳过。

输出模板

严格按照以下结构生成摘要：

### Core Concept
[1-2 sentences from Question 1]

### Key Mental Models
- **[Model Name]**: [Brief explanation]
- **[Model Name]**: [Brief explanation]
- **[Model Name if needed]**: [Brief explanation]

### Critical Patterns
- [Pattern/technique 1]
- [Pattern/technique 2]
- [Pattern/technique 3 if applicable]
- [AI collaboration pattern if applicable]

### Common Mistakes
- [Mistake 1 and why it's wrong]
- [Mistake 2 and why it's wrong]
- [Mistake 3 if applicable]

### Connections
- **Builds on**: [Prior concept/chapter]
- **Leads to**: [Next concept/chapter]

长度指南

根据课程复杂度调整摘要长度（依据 frontmatter 中的 proficiency_level）：

熟练度	目标长度	原因
A1-A2（初级）	150-250 字	概念较简单，模式较少
B1-B2（中级）	200-350 字	内容更加细致，包含多种技巧
C1-C2（高级）	250-400 字	主题复杂，关联众多

反模式（不要包含的内容）

遵循原则 7：最少充分内容，摘要不得包含：

• ❌ 完整解释——摘要只指出概念，不重新讲解
• ❌ 代码示例——完整课程中已有这些内容
• ❌ 练习题——学生应返回课程进行练习
• ❌ “接下来做什么”导航——课程结构会处理这部分
• ❌ 激励性内容——不要写“恭喜！”之类的客套话
• ❌ Layer/Stage 标签——学生体验的是教学，而不是研究教学
• ❌ 框架术语——不要出现“Three Roles”“Layer 2”等

文件命名约定

摘要文件的命名方式是在课程文件名（不含扩展名）后追加 .summary.md：

# Lesson file:
apps/learn-app/docs/05-Python/17-intro/01-what-is-python.md

# Summary file:
apps/learn-app/docs/05-Python/17-intro/01-what-is-python.summary.md

工作流

1. 阅读完整的目标课程文件
2. 提取课程文件前置信息中的熟练度级别
3. 回答每个苏格拉底式问题，并注明提取的内容
4. 使用模板撰写摘要
5. 根据反模式检查清单进行验证
6. 根据长度指南检查字数
7. 编写 .summary.md 文件

示例：数据类型课程摘要

对于一节面向 A2 熟练度、讲授 Python 数据类型的课程：

### Core Concept
Data types are Python's classification system—they tell Python "what kind of data is this?" and "what operations are valid?"

### Key Mental Models
- **Types → Operations**: Numbers enable math; text enables joining; booleans enable decisions
- **Type Mismatch → Error**: `5 + "hello"` fails because Python can't add numbers to text
- **Type Decision Framework**: Ask "What kind of data?" to determine the right type

### Critical Patterns
- Use `type()` to verify what type Python assigned: `type(42)` returns `<class 'int'>`
- Type hints express intent: `age: int = 25` tells both AI and humans what you expect
- 7 categories cover all data: Numeric, Text, Boolean, Collections, Binary, Special (None)

### Common Mistakes
- Storing numbers as text (`"25"` instead of `25`) prevents math operations
- Forgetting that `0.1 + 0.2` doesn't exactly equal `0.3` (floating point precision)
- Mixing types in operations without explicit conversion

### Connections
- **Builds on**: Python installation and first programs (Chapter 17)
- **Leads to**: Deep dive into numeric types and text handling (Chapters 18-20)

字数：约 175 词（适合 A2）